Mercury 3 vs Grok 4.6 : l'un est supplanté, l'autre n'est pas mesuré, et tous deux sont vendus sur leur vitesse

Le premier fait utile lorsqu’on compare Mercury 3 à Grok 4.6 est que Grok 4.6 n’est pas le Grok actuel. SpaceXAI l’a publié le 12 août 2026 à 2,00 $ par million de jetons d’entrée et à 6,00 $ par million de jetons de sortie, puis a depuis publié Grok 4.7 ; Artificial Analysis marque désormais 4.6 comme obsolète et oriente les lecteurs vers le modèle plus récent. Mercury 3, en revanche, a deux jours : Inception Labs l’a publié le 19 octobre 2026 à 0,20 $ et 0,70 $ par million, avec des tarifs réduits de moitié pendant une fenêtre de lancement sans date de fin publiée, et aucun acteur neutre ne l’a mesuré du tout. La formulation honnête de cette comparaison n’est donc pas « lequel de ces deux dois-je utiliser ». C’est que les deux sont vendus avant tout sur un chiffre de vitesse, que ces deux chiffres de vitesse ne sont pas du même ordre, et que l’un des deux produits est en train de quitter le catalogue tandis que l’autre n’a pas encore été testé par quiconque ne travaille pas pour l’entreprise qui l’a créé. Les défaillances documentées de l’IA et les incidents d’agents à l’origine de sorties comme celle-ci sont recensés dans l’archive OrcaRouter des incidents d’IA où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et son indicateur de contestation.

Cela transforme donc cette comparaison en une comparaison portant sur la mesure, qui se trouve être l’élément le plus utile à connaître avant de tarifer l’un ou l’autre. Mercury 3 est un modèle de langage à diffusion — il débruite un bloc de positions et les valide ensemble plutôt que d’émettre un token par passe — et Inception annonce 1 068 tokens par seconde sur du matériel NVIDIA, plus de 40 fois le nombre total de paramètres de Mercury 1, une fenêtre de contexte passée de 260 000 à 1 000 000 de tokens, et un plafond de sortie de 131 072 tokens. Grok 4.6 est un modèle frontière conventionnel conçu pour de longues exécutions agentiques, avec un contexte de 500 000 tokens, des entrées texte, image et fichier, et une remise de cache de 75 % à 0,50 $ par million de lectures.

Ce que mesurent réellement les deux chiffres de vitesse

Les 1 068 tokens par seconde d’Inception correspondent à un chiffre de débit de sortie : la vitesse à laquelle les tokens quittent le modèle une fois qu’il commence à les produire. Artificial Analysis mesure la même quantité pour Grok 4.6 et obtient 65,4 tokens par seconde. Mettez ces deux chiffres côte à côte, et Mercury 3 semble seize fois plus rapide. C’est une différence réelle, et ce n’est pas toute la différence, car le débit n’est qu’un des trois chiffres qui composent un budget de latence.

Le second indicateur est le temps jusqu'au premier token, et ici le tableau est moins flatteur pour le cadrage et plus intéressant. Artificial Analysis enregistre un temps médian jusqu'au premier token de 37,19 secondes pour Grok 4.6 sur la charge de travail qu'il teste, contre une médiane de 3,75 secondes pour l'ensemble des modèles de son tableau. Notre propre télémétrie de playground sur sept jours place le p50 de Grok 4.6 à 8,00 secondes sur l'unique journée pour laquelle elle dispose d'échantillons. Ni l'un ni l'autre n'est un problème ou un avantage pour Mercury 3 — Inception n'a publié aucun chiffre de premier token, et les seuls chiffres de latence tiers figurant dans son annonce sont des témoignages clients : Octen a rapporté un temps de génération médian de 0,9 seconde et une réponse de bout en bout médiane de 2,2 secondes, RevisionDojo a rapporté des réponses revenant « en environ une seconde », et Lorikeet a déclaré que Mercury 3 surpassait les autres modèles en latence tout en obtenant de meilleurs scores à ses évaluations. Ce sont des signaux utiles, et ce sont des citations marketing, sur des charges de travail que personne en dehors de ces trois entreprises ne peut inspecter.

Le troisième chiffre est celui qui détermine si un modèle rapide est utilisable : le taux d’erreur. Sur notre propre infrastructure, au cours des sept derniers jours, le chemin de service de GPT-5.6 Sol a enregistré un taux d’erreur de 0,05 %. Grok 4.6, sur l’unique journée pour laquelle il dispose de télémétrie — le 17 octobre 2026 —, a enregistré 86,7 %. Cela ne représente qu’une journée d’échantillons pour un modèle en service depuis août ; il s’agit donc d’un avertissement concernant un chemin de service plutôt que d’un verdict sur un modèle, et c’est exactement le genre de chiffre qui n’apparaît jamais sur la page d’un fournisseur. Pour Mercury 3, il n’y a aucun taux d’erreur, car il n’existe aucune route à mesurer.

La fiche technique, avec la provenance attachée à chaque ligne

• Prix — Mercury 3 : 0,20 $ / 0,70 $ par million, 0,10 $ / 0,35 $ au lancement, aucune date de fin publiée, entrée en cache à -90 %. Grok 4.6 : 2,00 $ / 6,00 $ par million jusqu’à 200 000 tokens, 4,00 $ / 12,00 $ pour l’ensemble de la requête au-delà, lectures en cache 0,50 $.

Contexte et sortie — Mercury 3 : 1 000 000 en entrée, 131 072 en sortie. Grok 4.6 : 500 000 en entrée, sans plafond de sortie publié sur notre page de modèle pour celui-ci.

• Modalités — Mercury 3 : texte uniquement. Grok 4.6 : texte, image et fichier en entrée, texte en sortie.

• Débit — Mercury 3 : 1 068 jetons par seconde, mesuré par Inception. Grok 4.6 : 65,4 jetons par seconde selon Artificial Analysis ; 256 jetons par seconde dans notre propre playground le jour où il disposait d’échantillons.

• Scores indépendants — Mercury 3 : aucun, il n'existe pas de page Artificial Analysis. Grok 4.6 : 44 sur l'Artificial Analysis Intelligence Index, classé 37e sur 217 modèles, et 76,8 sur son index de codage, classé 5e sur 138.

• Statut — Mercury 3 : vieux de deux jours, non mesuré. Grok 4.6 : obsolète sur le tableau d’Artificial Analysis, remplacé par Grok 4.7.

La comparaison des contextes est celle qui inverse l’ordre habituel. Mercury 3 offre une fenêtre deux fois plus grande que celle de Grok 4.6 — un million de tokens contre un demi-million — et le fait à un dixième du prix d’entrée. Sur le papier, ce n’est pas un match serré pour le travail sur documents longs. En pratique, une fenêtre de 500 000 tokens est déjà plus grande que presque tout document unique que quiconque traite, et la question intéressante concernant une fenêtre d’un million de tokens sur un modèle non mesuré n’est pas de savoir si elle existe, mais si la qualité se maintient sur toute sa longueur. Artificial Analysis mesure explicitement le rappel en contexte long, et Grok 4.6 y obtient un score de 80,3. Mercury 3 n’a pas de chiffre équivalent, ce qui signifie qu’une fenêtre d’un million de tokens avec une courbe de rappel inconnue est une revendication de capacité plutôt qu’une revendication de compétence.

Ce que le prix de Grok 4.6 achète réellement

Grok 4.6 coûte dix fois plus cher que Mercury 3 en entrée et environ neuf fois plus cher en sortie au tarif catalogue, et la réponse honnête à ce que cela apporte est : un positionnement mesuré sur un harnais neutre, une entrée multimodale et un coût par réponse publié. Ce dernier point est le plus utile. Artificial Analysis situe Grok 4.6 à 1,48 $ par tâche de l’Intelligence Index — un chiffre qui inclut déjà tous les tokens dont le modèle a besoin pour terminer la suite, et qui est le seul chiffre par réponse de toute cette comparaison à exister pour l’un ou l’autre des modèles.

En regard de cela, le tarif de sortie de 0,70 $ de Mercury 3 est un chiffre par token sans équivalent par réponse. Si une tâche Mercury 3 consomme le même volume de sortie qu’une tâche Grok 4.6, elle coûte environ un dixième de ce prix. Si elle consomme trois fois ce volume — ce qui est plausible pour un modèle qui privilégie par défaut un faible effort de raisonnement sur un travail que Grok effectue avec un effort plus élevé —, elle coûte environ un tiers de ce prix, et l’argument stratégique s’affaiblit, passant de la notion d’« ordre de grandeur » à celle de « remise substantielle sur un modèle non éprouvé ». Personne ne peut encore vous dire laquelle de ces hypothèses est vraie. Ce n’est pas une précaution rhétorique ; c’est précisément la mesure qui manque.

Les chiffres propres à Grok 4.6, pour ce qu’ils valent, sont solides là où une longue exécution agentique en a besoin : 94,9 sur GPQA Diamond, 42,9 sur Humanity's Last Exam, 80,3 en rappel sur contexte long, et un indice de codage de 76,8 qui le place cinquième sur 138 modèles. Ce sont les passations d’Artificial Analysis, pas celles de SpaceXAI, ce qui explique qu’elles puissent être comparées à Mercury 3 tout court — et Mercury 3, qui n’a pas de telles passations, ne peut pas l’être.

Le problème du modèle supplanté, qui constitue la véritable décision

Choisir Grok 4.6 aujourd'hui, c'est choisir un modèle que son propre fournisseur a déjà remplacé. Grok 4.7 figure dans notre catalogue, et la page dédiée à la version 4.6 sur Artificial Analysis redirige explicitement les lecteurs vers celui-ci. Pour une charge de travail que vous êtes sur le point de développer, partir sur un modèle déprécié revient à décider de migrer plus tard ; la seule question est de savoir quand, et la réponse est généralement « pendant un incident ».

Cela ne fait pas de Mercury 3 le choix sûr. Un modèle non mesuré âgé de deux jours et un modèle déprécié âgé de neuf semaines représentent des types de risque différents, et aucun des deux n’est l’option à faible risque dans ce duo. Ce que la comparaison établit réellement est plus étroit et plus utile : si vous voulez un modèle mesuré avec un coût par réponse documenté et une entrée multimodale, Grok 4.7 est la version actuelle de cela et 4.6 en est le prédécesseur au même prix. Si vous voulez les jetons texte uniquement les moins chers disponibles sur le marché avec une fenêtre d’un million de jetons, Mercury 3 est ce choix, avec la réserve que le chiffre le plus bas sur sa fiche est une promotion sans date de fin.

Grok 4.7 figure au catalogue d'OrcaRouter aux tarifs appliqués par SpaceXAI, via le même point de terminaison compatible avec OpenAI que tout ce que nous acheminons, sans majoration ajoutée en sus et avec un basculement automatique entre fournisseurs lorsqu'un chemin subit une limitation de débit — ce qui, compte tenu du taux d'erreur enregistré par notre télémétrie sur le chemin de service de la version 4.6 le 17 octobre, n'est pas un avantage théorique. Mercury 3 ne figure pas au catalogue : notre API de modèles ne renvoie rien pour aucun modèle Inception, donc quiconque l'appelle se tourne vers la plateforme d'Inception, où les nouveaux comptes reçoivent 100 millions de jetons gratuits, ou vers l'une des diverses plateformes tierces qui l'hébergent.

Le schéma de routage qui convient à ce couple n'est pas une répartition par prix. C'est une répartition selon ce que vous acceptez de voir échouer. Placez le trafic du modèle déprécié sur le modèle actuel, placez une tranche bornée du travail de texte seul sur Mercury 3, conservez un modèle mesuré comme solution de repli, et laissez le basculement automatique gérer le cas où le nouveau chemin connaît une mauvaise journée. La tranche est une valeur de configuration ; le repli est une règle de routage ; la décision de l'élargir ou de la réduire est prise par vos propres taux d'erreur en l'espace d'une semaine.

Que faire lundi

Si le travail porte sur des textes longs, que le volume est élevé et que les réponses sont vérifiables, la grille tarifaire de Mercury 3 mérite une expérience encadrée cette semaine — les 100 millions de tokens gratuits sur la plateforme d'Inception couvrent le test, et la fenêtre d'un million de tokens signifie que vous pouvez envoyer le document entier plutôt qu'une approximation par morceaux. Surveillez deux choses : si le nombre de tokens de sortie par tâche s'envole par rapport à votre référence Sol ou Grok, et si la qualité se dégrade vers la fin d'un long contexte. Les deux sont mesurables en une journée et aucune ne nécessite le benchmark de qui que ce soit.

Si le travail implique des images, dure des heures avec des outils dans la boucle, ou doit être juste du premier coup, la réponse dans ce duo n’est pas Grok 4.6. C’est Grok 4.7, ou l’un des modèles de pointe évalués, et la raison honnête est que 4.6 est déprécié et que Mercury 3 n’est pas évalué — un choix entre deux modèles que vous ne mettriez pas devant un client sans une solution de repli derrière eux.

Le chiffre qui changerait tout cela est un coût neutre par tâche accomplie pour Mercury 3. Un seul chiffre, mesuré sur le harnais qui a produit les $1.48 de Grok, transformerait l’incertitude centrale de cet article en un ratio. Tant qu’il n’existe pas, la position défendable est la plus ennuyeuse : les tokens bon marché sont réels, l’allégation de vitesse est plausible et fondée sur une source unique, et la seule chose que vous pouvez vérifier vous-même est votre propre taux d’erreur sur votre propre trafic.